大學(xué)計算機(jī)基礎(chǔ)及應(yīng)用（Python篇）課件：數(shù)據(jù)可視化

數(shù)據(jù)可視化

學(xué)習(xí)目標(biāo)1、數(shù)據(jù)可視化簡介2、數(shù)據(jù)可視化中的圖形繪制3、基于Python詞云應(yīng)用1、數(shù)據(jù)可視化簡介數(shù)據(jù)可視化領(lǐng)域的起源可以追溯到二十世紀(jì)50年代計算機(jī)圖形學(xué)的早期。人們使用計算機(jī)創(chuàng)建圖形圖表，可視化提取出來的數(shù)據(jù)，將數(shù)據(jù)的各種屬性和變量呈現(xiàn)出來。隨著計算機(jī)硬件的發(fā)展，人們創(chuàng)建更復(fù)雜規(guī)模更大的數(shù)字模型，發(fā)展了數(shù)據(jù)采集設(shè)備和數(shù)據(jù)保存設(shè)備。同理也需要更高級的計算機(jī)圖形學(xué)技術(shù)及方法來創(chuàng)建這些規(guī)模龐大的數(shù)據(jù)集。隨著數(shù)據(jù)可視化平臺的拓展，應(yīng)用領(lǐng)域的增加，表現(xiàn)形式的不斷變化，以及增加了諸如實時動態(tài)效果、用戶交互使用等，數(shù)據(jù)可視化像所有新興概念一樣邊界不斷擴(kuò)大。15.2數(shù)據(jù)可視化中的圖形繪制可視化視圖分為

4類：比較：比較數(shù)據(jù)間各類別的關(guān)系，或者是它們隨著時間的變化趨勢，比如折線圖；聯(lián)系：查看兩個或兩個以上變量之間的關(guān)系，比如散點圖；構(gòu)成：每個部分占整體的百分比，或者是隨著時間的百分比變化，比如餅圖；分布：關(guān)注單個變量，或者多個變量的分布情況，比如直方圖。按照變量的個數(shù)可以把可視化視圖劃分為單變量分析和多變量分析。單變量分析指的是一次只關(guān)注一個變量。多變量分析可以讓你在一張圖上可以查看兩個以上變量的關(guān)系，從而分析出來這兩個變量之間是否存在某種聯(lián)系?？梢暬囊晥D可以說是分門別類，多種多樣，常用的10種視圖，這些視圖包括：散點圖、折線圖、直方圖、條形圖、箱線圖、餅圖、熱力圖、蜘蛛圖、詞云圖等，15.2.1 散點圖繪制15.2.2 折線圖繪制15.2.3 條形圖繪制15.2.4 餅圖繪制15.2.5 熱力圖繪制15.2.6 詞云圖繪制15.2.7 直方圖繪制15.2.8 三維圖繪制15.3基于Python詞云分析政府工作報告關(guān)鍵詞15.3.1數(shù)據(jù)準(zhǔn)備十三屆全國人大三次會議作了政府工作報告。這份政府工作報告僅有10500字左右，，體現(xiàn)了“實干為要”的理念。作為當(dāng)代大學(xué)生，應(yīng)該多了解國家政治，關(guān)心國家時事。那么，這份政府工作報告突出強(qiáng)調(diào)了哪些關(guān)鍵詞呢？我們其實可以基于Python技術(shù)進(jìn)行詞頻分析和詞云制作！具體數(shù)據(jù)來源可以在政務(wù)網(wǎng)下載或者爬蟲獲取，讀者可自行操作。15.3.2詞云圖繪制代碼importmatplotlib.pyplotasplt#繪圖庫importjiebafromwordcloudimportWordCloud#讀入文本數(shù)據(jù)fp=open(r'D:\爬蟲下載\2020年政府工作報告.txt','r',encoding='utf-8')content=fp.read()#print(content)#分詞words=jieba.lcut(content)#詞頻分析操作data={}forwordinwords:iflen(word)>1:ifwordindata:data[word]+=1else:data[word]=1#print(data)15.3.3可視化結(jié)論從詞云圖中可以看出，發(fā)展一詞頻率最大，這也正是體現(xiàn)了發(fā)展是我們黨執(zhí)政興國的第一